Quiz: Introduction à la classification et ses métriques — 8 perguntas

1. Quelle affirmation correspond au sujet « Problématique de classification pour variable qualitative et exemples d’application » ?

A. Régression logistique : Logistique K plus proches voisins Evaluation de la performance Application et Questions Retour sur l’application: Pr´ediction de la victoire aux l´egislatives…

B. La fonction de coût utilisée est non-convexe et définie par J(θ) = -1/m ∑ [Yi log h(Xi) + (1 - Yi) log(1 - h(Xi))]

C. Le coût pénalise fortement les mauvaises prédictions, tendant vers +∞ quand la prédiction est très erronée

D. Problème de classification : Un problème de classification consiste à prédire une variable qualitative, c’est-à-dire à déterminer la classe à laquelle une observation appartient, comme par…

Answer: (D)

Explicação

Cette affirmation est directement issue de la partie du cours consacrée à ce sujet : Problème de classification : Un problème de classification consiste à prédire une variable qualitative, c’est-à-dire à déterminer la classe à laquelle une observation appartient, comme par….

2. Qu'est-ce qu'une classification dans le contexte de l'apprentissage automatique ?

A. Une méthode pour prédire une variable quantitative

B. Une procédure pour organiser des données en clusters

C. Un problème visant à prédire une variable qualitative

D. Une technique pour réduire la dimension des données

Answer: (C)

Explicação

La classification consiste à prédire une variable qualitative, c'est-à-dire à déterminer la classe à laquelle appartient une observation, comme indiqué dans la définition fournie.

3. Quelle affirmation correspond au sujet « Régression logistique : modélisation de la probabilité, fonction de coût et estimation des paramètres » ?

A. Régression logistique : Logistique K plus proches voisins Evaluation de la performance Application et Questions Retour sur l’application: Pr´ediction de la victoire aux l´egislatives…

B. Performance Application et Questions : La performance en classification se mesure dans des applications concrètes comme la détection de fraude ou la prédiction de récidive, où il est…

C. Problème de classification : Un problème de classification consiste à prédire une variable qualitative, c’est-à-dire à déterminer la classe à laquelle une observation appartient, comme par…

D. Classification 2 Pourquoi : La classification est utilisée lorsque la variable à prédire est qualitative et ne convient pas à la régression linéaire, notamment pour des applications telles…

Answer: (A)

Explicação

Cette affirmation est directement issue de la partie du cours consacrée à ce sujet : Régression logistique : Logistique K plus proches voisins Evaluation de la performance Application et Questions Retour sur l’application: Pr´ediction de la victoire aux l´egislatives….

4. Qu'est-ce que la régression logistique multiple ?

A. Une méthode pour classer des données en deux groupes sans utiliser de fonction logistique

B. Un modèle qui estime la probabilité d'une variable binaire en fonction de plusieurs variables explicatives en utilisant une fonction logistique

C. Un modèle qui prédit une variable continue à partir de plusieurs variables explicatives

D. Une technique pour réduire le nombre de variables explicatives dans un modèle

Answer: (B)

Explicação

La régression logistique multiple est un modèle qui estime la probabilité qu'une variable binaire prenne la valeur 1 en fonction de plusieurs variables explicatives, en utilisant une fonction logistique.

5. Quelle est la fonction principale de l'algorithme des K plus proches voisins (KNN) ?

A. Attribuer à une observation le label majoritaire parmi ses K voisins proches

B. Calculer la moyenne des valeurs des K voisins pour prédire une valeur continue

C. Attribuer un label aléatoire parmi ses K voisins

D. Utiliser une seule distance pour classer une observation

Answer: (A)

Explicação

L'algorithme KNN attribue à une observation le label majoritaire parmi ses K voisins les plus proches, selon la définition fournie.

6. Quelle est la définition du rappel en classification ?

A. La proportion d'exemples positifs correctement identifiés parmi tous les exemples positifs réels

B. La proportion de vrais négatifs correctement identifiés

C. La proportion de prédictions positives correctes parmi toutes les prédictions positives

D. La moyenne harmonique de la précision et du rappel

Answer: (A)

Explicação

Le rappel est défini comme la mesure de la proportion d’exemples positifs correctement identifiés parmi tous les exemples positifs réels, ce qui correspond à la première option.

7. Quelle est la définition de la courbe ROC ?

A. Une représentation graphique qui compare la précision et le rappel pour différents seuils.

B. Une courbe qui montre la relation entre la sensibilité et la spécificité pour différents seuils.

C. Une courbe qui montre la précision en fonction du taux de faux positifs pour différents seuils.

D. Une représentation graphique qui trace le taux de vrais positifs en fonction du taux de faux positifs pour différents seuils.

Answer: (D)

Explicação

La courbe ROC est une représentation graphique qui trace le taux de vrais positifs (sensibilité) en fonction du taux de faux positifs (1 - spécificité) pour différents seuils, ce qui permet d’évaluer la performance d’un modèle.

8. Qu'est-ce que la cross-validation dans le contexte de l'évaluation d'un modèle ?

A. Une méthode pour visualiser la performance du modèle sur un seul sous-ensemble

B. Une procédure pour ajuster les hyperparamètres du modèle

C. Une technique pour augmenter la taille de l'échantillon de données d'apprentissage

D. Une méthode pour diviser les données en plusieurs sous-ensembles afin d’évaluer la généralisation du modèle

Answer: (D)

Explicação

La cross-validation est une méthode d’évaluation de la capacité de généralisation d’un modèle consistant à diviser les données en plusieurs sous-ensembles, comme dans la LOOCV ou la K-fold.